2025年已经到来，医学界逐渐远离了我们在医学院入学申请中描绘的乌托邦愿景。我们花费无数小时在电子健康记录中浏览层层数据，试图找到所需的信息；通过传真机接收重要信息；在帮助患者穿越复杂的治疗路径时听着等待音乐，以便他们能够获得所需的护理。现代医学的行政负担变得令人难以承受。
医护人员在其工作流程中面临着持续不断的障碍和低效技术，这些技术阻碍了患者的护理，导致了次优的患者结果和医生的职业倦怠。鉴于过去引入技术的经验，这种雄心勃勃的承诺可能引发怀疑。对此，人工智能（AI）的供应商承诺提供解决方案，以克服这些看似无法解决的障碍和低效问题。鉴于过去的经历，这种雄心勃勃的承诺可能引发怀疑。
Dayan及其同事的新论文使用了一个熟悉的临床检查，幽默地考察了各种大型语言模型（LLM）的“认知功能”。研究人员使用蒙特利尔认知评估测试了各种LLM在记忆、注意力、集中力、抽象思维、定向、命名、视觉空间和执行功能等认知领域的表现。研究发现，LLM在多个认知领域表现出色，但在视觉空间和执行功能方面存在困难。较新的LLM比旧的LLM表现更好，这支持了生成式AI随着每次迭代而不断改进的证据。这一发现与AI研究的总体趋势一致，突显了LLM在临床知识和推理任务中的稳步提升，同时承诺更快、更一致和更便捷的表现。这些进步既令人惊叹又引人担忧，提供了变革潜力，同时也引发了如何安全部署它们的问题。
为AI驱动的未来做好准备
为了安全使用LLM，我们需要了解其固有的局限性和风险。LLM容易出错，特别是在面对模糊或不完整的数据时，可能会自信地产生错误或误导性的信息。它们的输出受训练数据质量的限制，这意味着任何偏差和不准确性都会延续错误并导致有害后果。此外，不应将AI等同于人脑。AI不像人类那样进行推理、思考或直觉判断；它在处理模式和执行特定任务方面表现出色，但缺乏人类认知的深度理解和情境判断能力，这可能导致复杂临床场景中的疏漏。认识到这一区别至关重要，因为当考虑AI的潜在角色时，LLM应作为工具来支持，而不是直接替代人类医疗专业人员的专业知识和判断。
将AI整合到医疗系统中需要现实的期望和周密的规划——类似于以前将复杂干预措施引入复杂系统的努力。确保成功整合的关键步骤包括提高临床医生和员工的AI素养，创建数据准备就绪的环境，试点变革以建立医生的信任，参与患者，并确保伦理、法律和法规合规性。
目前的努力主要集中在利用AI处理行政任务，例如充当医疗速记员、填写表格和生成摘要。然而，医生应该明智地利用LLM的更高级功能，作为可以增强诊断准确性、个性化治疗计划并提供实时决策支持的工具。AI系统必须设计得透明，能够根据反馈和不断发展的指南进行调整，并优先考虑以患者为中心的结果而不加剧不平等。临床医生应积极参与AI系统的选择和实施；如果不这样做，可能会使他们被排除在外，从而可能损害患者护理及其专业角色。
AI并不是所有医疗问题的灵丹妙药，也不是人类认知的替代品，但它可以成为增强特定任务的有用工具。医疗领导者和临床医生应牢记医学计算机革命的教训，对技术所能实现的目标保持现实的期望，具体实施目标应优先考虑AI系统补充临床工作并增强医生和患者的体验。深思熟虑的设计和实施方法可以帮助保留定义医学核心价值观，同时增加AI成为应对医疗挑战的盟友的可能性。医疗的未来在于以现实的态度迎接明天的技术变化，同时保护使医学独特的人类关怀、理解和关系。
(全文结束)
